L’interprétation automatique des images radar à synthèse d’ouverture (SAR) est l’une des directions importantes dans le développement des applications de la technologie SAR. Les méthodes de reconnaissance SAR se divisent principalement en deux catégories : les méthodes d’apprentissage automatique traditionnelles et les méthodes basées sur l’apprentissage profond. Pour la plupart des méthodes traditionnelles, les caractéristiques des cibles extraites à partir des propriétés de diffusion électromagnétique sont interprétables et stables. Cependant, le processus d’extraction des caractéristiques efficaces est souvent complexe et à faible efficacité de calcul. Par rapport aux méthodes traditionnelles, les méthodes basées sur l’apprentissage profond peuvent directement apprendre les caractéristiques de hautes dimensions des cibles, obtenant une meilleure précision de reconnaissance. Cependant, les méthodes d’apprentissage profond ont une faible capacité de généralisation et sont difficiles à interpréter. Ainsi, en combinant les avantages des deux approches, est apparue une méthode d’apprentissage profond qui fusionne les caractéristiques de diffusion électromagnétique et les caractéristiques des réseaux neuronaux. Cet article discute des résultats de recherche sur les méthodes de reconnaissance des cibles basées sur la fusion des caractéristiques de diffusion électromagnétique et des caractéristiques des réseaux neuronaux, détaille l’application de cette idée de fusion des caractéristiques de diffusion électromagnétique dans la reconnaissance des cibles de véhicules, avions et navires, envisage les tendances futures de la recherche sur la détection et la reconnaissance des cibles et en fait une synthèse.

télédétection;radar à synthèse d’ouverture;reconnaissance des cibles;réseaux neuronaux convolutifs;caractéristiques de diffusion électromagnétique;estimation des paramètres